拆解方法概述

組成因素拆解的主要目的，係為估算各組成因素對於主變數（例如污染物的排 放量或密集度、能源需求或密集度等）的貢獻程度。因此，在決定拆解方式時，必先 決定組成因素的項目，Kaya 方程式（見式（2-1））實乃表現拆解方式的基礎：

2_{t t t t}

CO



A B C

  (2-1)

其中

CO

2_t代表第 t 期之 CO2總排放量；

A B C

、 、_{t t t}則代表各組成因素；常見的組成因 素包括技術因素（如碳密集度、能源密集度等）、經濟規模、部門結構、及人口等。

不過，通常吾人所關心的是各組成要素對於 CO2排放量變動的貢獻程度，而衡 量排放量變動的方式則可分為相對性（式（2-2））與絕對性（式（2-3））兩類，亦即：

2 / 20

t t

R



CO CO

(2-2)

2_t 2_t 20

CO CO CO

   (2-3)

由於式（2-2）與式（2-3）可分別改寫如式（2-4）與式（2-5），故文獻上習稱之 為乘法型及加法型的拆解方式。

0 0 0

t t t

t

A B C

R



A



B



C

(2-4)

2_t 2_t ^{t t t}

t t t

A B C

CO CO

A B C

   

     

  (2-5)

舉例而言，Ang and Zhang (2000)將所有產業在第 t 期的整體能源密集度（以

t t/ t

動量之基準年的不同而分為「拉氏指數法」(Laspeyres index method)及「迪氏指數法」，

前者以固定的基準年為基礎，後者則以前一期為基礎。如圖2-2 表示，拉氏指數法係 以固定基期年 (P0)為計算基礎，由各期排放增量 (如 ΔP1、ΔP2、…、ΔPt)的累積，即：

0 1 2 ...

t t

PP       P P P，構成CO2排放量之長期變動趨勢 (即P LP0 )。

歷有文獻所使用的拆解方法，以拉氏指數法與算術平均迪氏指數法較為普遍，

而算術平均迪氏指數法所採用的權數，會隨時間而變動，其交叉效果將分配至各個組 成因素當中，因而誤差項較小，但在資料數值為0 時，將會產生無法處理的問題，因 此Ang and Choi (1997) 改以對數平均權數法 (the Logarithmic Mean Weight Scheme) 來修正傳統的算術平均指數法。¹⁶

此外，Selden et al. (1999)則提出「適應性權數迪氏指數法」(Adaptive-Weighting Divisia, AWD)，用以檢視產業結構效果對於總排放的影響，不僅能反映產業結構之變 動，亦可反映其他因素（能源密集度、能源配比或其他技術）隨時間變動而變動的情 況，因此符合排序原則。

茲概略說明各種拆解法如下：

一、拉氏指數法

「拉氏指數法」係對每一因素效果採用固定基期進行計算。根據式(2-7)，乘法 拆解結果可表現如下：

, ,0/ ,0 ,0

str i T i i i

i i

R 



S I



S I ^(2-9)

int _i,0 _{i T}, / _i,0 _i,0

i i

R 



S I



S I ^(2-10)

/( int)

rsd tot str

R R R R (2-11)

16 本文的資料值並無為 0 的問題，且利用算術平均指數法和對數平均指數法所計算出的結果差異不大，

因此仍採用算術平均指數法。

其中式 (2-9)代表能源密集度（I_it E_it/Y_it）的相對貢獻度；式(2-10)代表產業結構

rsd tot str

I I I I

       (2-13)

其中式 (2-12)代表能源密集度的絕對貢獻度；式 (2-13)代表產業結構的絕對貢獻度。

二、算數平均迪氏指數(Arithmetic Mean Divisia Index, AMDI)

迪氏指數法旨為拆解影響主變數之變動率（或成長率）的各組成因素的貢獻度。

以所有產業在第 t 期的整體能源密集度為例，算數平均迪氏法將其瞬間成長率 (instantaneous growth rate)拆解為部門結構與部門能源密集度的加權平均（見式 (2-14)）：

因資料非連續性(discrete data)，故式(2-16)和式(2-17)對於基期年和第 T 年採算術

tot str rsd

I I I I

       (2-22)

三、對數平均迪氏指數法(Logarithmic Mean Divisia Index)

Ang and Choi (1997) 提出之迪氏拆解法係以乘法型為基礎，採用對數平均權數

有關資料值為0 的問題，Ang and Choi (1997)提出可以極小的正數（亦即接近於

五、固定權數分解法 (Fixed-Weight Decomposition Methods)

Seldem, Forrest and Lockhart (1999)採用固定權數分解法，渠等將排放量拆解如式 (2-30)：

量（

P

_jt^PR），亦即：

P

_jt 



_i

P

_ijt^E 

P

_jt^PR；

吾人可由能源混合效果掌握各部門能源使用的比例。

(5) 技術效果 (technique effect)(T_t) ― 觀察在 1990 年的排放和每單位石化燃料 燃燒，或每單位製程燃燒。由其他技術結果掌握政府管制減量效果或基於 其他理由採技術改變的效果。

0 0

0 0

+

E E PR PR

ijt ij jt j

t ijt ijt jt jt

j i ijt j i ij j jt i j

P P P P

T E E Y Y

E E Y Y

           





  



     



  



   ^(2-35)

上述拆解結構與實務上的經驗相當接近，本研究在設定拆解方式時，所考慮的 組成因素亦將以此為基礎。

在文檔中 產業部門能源需求與碳排放之驅動力與效率的實證研究 - 政大學術集成 (頁 26-33)